ارائه روشی برای تشخیص بیماری قلبی با استفاده از ترکیب الگوریتم شبکه عصبی پرسپترون چندلایه و الگوریتم دسته ماهی های مصنوعی

طیبه صادقی¹ محسن عطائی²

1) کارشناس ارشد مهندسی فناوری اطلاعات گرایش شبکه های کامپیوتری، استاد دانشگاه فرهنگیان -
2) کارشناس ارشد مهندسی کامپیوتر گرایش معماری سیستم های کامپیوتری -

کد IOI مقاله : XCCC-GADEG
محل انتشار : دهمین کنفرانس بین المللی فناوری های نوآورانه در زمینه علوم، مهندسی و تکنولوژی(tetsconf.com)
چکیده :
    در دهه های اخیر با توجه به پیشرفت کامپیوتر و علوم کامپیوتری، دانشمندان تلاش زیادی کرده اند تا از این پیشرفت ها در راستای کمک به علم پزشکی استفاده بهینه و مفید نمایند. برخی از بیماری ها مانند بیماری های قلبی، صرع و... خطر بیشتری برای حیات انسان ایجاد می کنند و پزشکان نیز تمایل بیشتری دارند تا از علوم کامپیوتری برای تشخیص و پیش بینی این گونه بیماری ها استفاده کنند. از این رو در این مقاله سعی کردیم مدلی ترکیبی از شبکه عصبی پرسپترون چندلایه و الگوریتم دسته ماهی های مصنوعی ارائه نماییم که قادر به شناسایی بیماران قلبی با دقت مناسبی می باشد. تاکنون روش های زیادی در این زمینه با استفاده از مدل های یادگیری ماشین و داده کاوی ارائه شده است، اما با توجه به پیچیدگی و حساسیت مساله معمولاً در کشف بهینه عمومی و بهترین جواب مساله با مشکل روبرو بوده اند. برای حل این مشکل ما در این مقاله از الگوریتم دسته ماهی های مصنوعی برای بهینه سازی وزن های شبکه عصبی پرسپترون چندلایه استفاده کردیم. نتایج به دست آمده بیانگر این موضوع است که روش پیشنهادی ما برای تشخیص بیماری قلبی نسبت به روش های مشابه که ترکیبی از شبکه عصبی پرسپترون چندلایه و الگوریتم ژنتیک می باشد، عملکرد بهتری دارد.

کلمات کلیدی : شبکه عصبی پرسپترون چندلایه الگوریتم دسته ماهی¬های مصنوعی تشخیص بیماری قلبی